เปรียบเทียบวิธี

	การประเมินนโยบายด้วยการจับคู่คะแนนแนวโน้ม	Inverse Probability Weighting (IPW / IPTW) การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผัน
สาขาวิชา	การอนุมานเชิงสาเหตุ	การอนุมานเชิงสาเหตุ
ตระกูล	Regression model	Regression model
ปีกำเนิด	1983; policy evaluation adaptation 1997	2000
ผู้ริเริ่ม	Rosenbaum & Rubin (1983); Heckman, Ichimura & Todd (1997) for program/policy evaluation application	Robins, Hernán & Brumback
ประเภท	Quasi-experimental matching estimator	Causal inference weighting estimator
แหล่งต้นตำรับ	Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41-55.	Robins, J. M., Hernán, M. A., & Brumback, B. (2000). Marginal Structural Models and Causal Inference in Epidemiology. Epidemiology, 11(5), 550-560.
ชื่อเรียกอื่น	PSM policy evaluation, policy PSM, propensity matching for program evaluation, PSM treatment evaluation	IPW, IPTW, inverse probability of treatment weighting, marginal structural model weighting
ที่เกี่ยวข้อง	6	5
สรุป	Policy evaluation propensity score matching applies the propensity score framework — originally developed by Rosenbaum and Rubin (1983) and operationalized for program evaluation by Heckman et al. (1997) — to estimate the causal effect of a policy intervention. It constructs a credible comparison group from non-participants by matching them to participants on their estimated probability of receiving the treatment, enabling unbiased effect estimation without random assignment.	Inverse Probability Weighting is a causal-inference method that assigns each observation a weight equal to the inverse of its probability of receiving the treatment it actually received. Introduced by Robins, Hernán and Brumback (2000) for marginal structural models, it builds a pseudo-population in which treatment is independent of measured confounders, balancing selection bias.